2026年，“物理AI”这个词几乎出现在每一份行业报告和每一场技术论坛上。黄仁勋在GTC大会上说它是“下一个万亿级市场”，高通将其定义为“世界模型+强化学习”的结合体，国内头部智驾公司则把它写进了招股书的核心技术章节。
但这个词被谈论得越多，它的面目反而越模糊。物理AI到底是什么？它和此前自动驾驶行业沿用的技术路线有什么本质区别？更重要的是，它目前到底在哪些真实场景里被用上了？
要回答这些问题，需要从物理AI出现之前的技术路线说起。
过去十年，自动驾驶行业的技术路线被一条清晰的主线贯穿：模块化。感知、规划、控制，三个环节各司其职。摄像头和激光雷达负责“看”，感知算法把看到的东西分类——这是行人、那是车辆、前面是施工锥桶。规划模块根据这些分类结果设计行驶路径，控制模块负责执行加速、刹车、转向。
这套体系支撑了L2辅助驾驶的大规模普及。今天消费者在量产车上能体验到的车道保持、自适应巡航、自动变道等功能，背后的技术架构基本都是这套模块化框架。然而当行业试图从L2迈向L3、L4，这套体系的一个根本局限开始暴露出来。
模块化系统本质上做的是行为克隆。工程师通过海量标注数据训练模型去模仿人类驾驶行为——看到红灯就停，看到行人就减速。但模仿不等于理解。系统知道“有行人横穿马路要刹车”，却不知道这个行人是继续跑还是停下来；它知道“前方有障碍物要绕行”，但不理解这个障碍物是一个会被风吹走的塑料袋还是一块搬不动的石头。
此外，模块化系统高度依赖场景覆盖。它能处理好那些在训练数据中出现过足够多次的场景，但面对长尾场景——一辆侧翻的货车、一个非标准的施工标志、一次交警的临时手势——它往往束手无策。这些场景之所以叫“长尾”，就是因为它们千奇百怪，无法被穷举。工程师们试图通过不断叠加规则来弥补漏洞，但规则越多，冲突越多，系统反而越脆弱。
这显然不是Bug层面的问题。这属于技术路线本身的局限：一个靠记忆场景来开车的系统，永远无法真正理解它正在行驶的这个世界。
为了突破这些局限，行业在过去几年中沿着多个方向展开了探索。端到端架构试图用一个统一的神经网络替代模块化的“感知-规划-控制”串行流程，直接从传感器输入映射到驾驶动作输出。世界模型让系统能够推演物理世界的动态变化。强化学习则让系统在虚拟环境中反复试错，习得在复杂博弈中做出最优决策的能力。VLA将语言模型的认知推理能力嫁接到驾驶系统上，使系统具备理解“可通行区域”这类抽象概念的能力。
这些方向并非彼此割裂，每一个都在从不同维度回应模块化架构的短板。物理AI的出现，则是将这些分散的技术方向融合为一个统一的技术范式——它不是一个凭空出现的新概念，而是端到端、世界模型、强化学习、VLA等方向发展到一定阶段后形成的系统性整合。
物理AI试图在系统内部构建一个对物理世界运行规律的统一理解。它的核心逻辑不是替换已有的技术路径，而是将它们打通。这意味着，系统不再需要“见过”某个具体场景才能应对，而是可以从物理规律出发，判断当前正在发生什么、接下来可能发生什么。
实现这一目标需要四块技术拼图。
第一块，端到端架构，它提供了从感知到行动的全链路闭环。传统模块化架构中，感知、规划、控制各自独立，数据在三个模块之间传递时存在信息损耗。端到端将这一链路压缩为一个统一的神经网络，传感器数据输入后直接输出驾驶动作，减少了中间环节的信息衰减。物理AI继承了端到端的架构思路，但在此基础上叠加了更深层的能力——不仅是“看到就做”，更是“理解后再做”。
第二块，世界模型，它提供了对物理动态的推演能力。它的核心价值不在于让系统“记住”某个场景，而是让系统理解物体运动的因果关系。前方滚过来一个皮球，世界模型不需要“皮球-儿童”的标注，也能推演出后面可能跟着一个追球的孩子。这种推演能力对于自动驾驶巴士尤为重要——公交车辆需要提前预判行人、非机动车和其他车辆的动态，而不是等到危险出现后再被动反应。
第三块是强化学习。在世界模型构建的虚拟环境中，系统可以反复试错。同一个路口，它可以尝试千万次通过策略，每一次都得到安全或危险的反馈。这种在虚拟世界中完成的海量探索，让系统习得了在复杂博弈中做出最优决策的能力——这不是靠模仿人类得来的，而是靠自己“练”出来的。
第四块是VLA——视觉-语言-动作模型。它是认知与决策的接口，让系统能够将摄像头看到的画面、导航传来的指令、交通标识传递的信息，直接转化为驾驶动作。语言模型的融入，使系统具备了理解“可通行区域”这类抽象概念的能力，而不仅仅是识别具体物体。
四块拼图合在一起，物理AI完成了自动驾驶技术范式的一次深层转换。过去，系统的天花板是“见过多少场景”。物理AI将天花板提高到了“是否理解物理规律”。
这些技术逻辑并非停留在论文里。2026年，在多个城市的自动驾驶巴士项目中，物理AI已经在支撑真实的决策系统。而巴士场景之所以成为物理AI落地的领域，有其内在的合理性——固定路线、固定站点、固定班次带来的场景确定性，为物理AI提供了从“技术验证”走向“实际部署”的理想过渡带。
蘑菇车联的MOGO Autopilot系统就是这一技术实践的范本。系统融合了MogoMind物理世界多模态大模型的认知与决策能力，通过海量真实路况数据训练，能够模拟人类司机的驾驶逻辑，在复杂场景中快速生成最优驾驶决策，提升自动驾驶系统在复杂城市场景中的适应性、泛化能力与安全可靠性。
凭借在物理AI等层面的技术探索，蘑菇车联近年来不断加速自动驾驶巴士在全球的落地。“琴澳医线”作为全国首条跨境医疗自动驾驶微循环线路，正是由蘑菇车联提供技术支持。这条线路的特殊之处在于，系统需要同时应对口岸特殊交通组织、跨境通行规则和就医人群对时效性的高要求。MOGO Autopilot系统在这里解决的，不是“识别前方有什么物体”，而是“理解一个跨境口岸的交通逻辑”——哪里可以停靠、哪里需要避让、海关检查区域的通行节奏是什么。与依赖互联网静态数据训练的传统大语言模型不同，这套系统接入的是物理世界的实时动态数据——摄像头、毫米波雷达、激光雷达等传感器采集的车辆轨迹、交通流量、行人动态、路面状况、气象条件等——形成“感知-认知-决策-反馈”的闭环智能。
在海外，类似的技术实践同样在推进。欧洲多个城市在欧盟框架下推进的自动驾驶公交项目，也在世界模型和强化学习的技术方向上持续投入。尽管不同市场的政策节奏、技术标准和落地路径各有差异，但一个共同的趋势是：公共交通领域正在成为物理AI技术的重要实践场景。
这种共识的形成并非偶然。公共交通场景对安全性和可靠性的要求远超其他场景，而传统模块化架构在面对长尾场景时的脆弱性，正是公交运营商在规模化部署自动驾驶巴士时最核心的顾虑。物理AI提供了一条解决路径——它不试图穷举所有可能发生的场景，而是让系统理解场景背后的物理规律，从而在第一次遇到某种情况时就能做出合理判断。这种从“记忆驱动”到“理解驱动”的转变，是巴士场景率先接纳物理AI的根本原因。
2026年被称为“物理AI元年”。行业对物理AI的共识在这半年里迅速形成。
但真正的节点意义并不在于共识本身，而在于物理AI从概念到工程系统的跃迁。当一辆自动驾驶巴士在突发障碍前完成一次紧急避让，支撑它做出这些决策的，不再是一段被记住的代码，而是一套在理解物理规律之后自主生成的判断。
物理AI没有停留在概念里。它正在路上，已经在跑了。
